โมเดลโลกที่อิงหลักฟิสิกส์ของ NTT คัดกรองการทำงานของหุ่นยนต์ก่อนลงมือ

เมื่อวันที่ 11 พฤศจิกายน 2026 NTT, Inc. ประกาศโมเดลโลกที่อิงหลักฟิสิกส์ ซึ่งประเมินการทำงานที่หุ่นยนต์อาจเลือกทำก่อนเริ่มปฏิบัติการ เพื่อลดความผิดพลาด เช่น สิ่งของตกหล่นและกองสิ่งของพังถล่ม โดยระบุว่าเทคโนโลยีนี้ช่วยเพิ่มอัตราความสำเร็จของงานทดสอบการใช้หุ่นยนต์ขนาดเล็กจัดเรียงสิ่งของบนชั้นวางจาก 73.1% เป็น 92.3%

การใช้งานแรกที่วางแผนไว้คือการขนถ่ายสัมภาระที่สนามบินโดยอัตโนมัติ รูปทรง น้ำหนัก และการจัดวางสัมภาระที่แตกต่างกัน ทำให้ระบบควบคุมหุ่นยนต์แบบเดิมเพียงอย่างเดียวคาดการณ์ล่วงหน้าได้ยากว่าการทำงานจะทำให้กองสัมภาระพังถล่มหรือมีสิ่งของตกหล่นหรือไม่ อีกทั้งการรวบรวมข้อมูลฝึกสอนสำหรับสิ่งของที่เป็นไปได้ทุกชนิดก็ทำได้ยากในทางปฏิบัติ NTT วางแผนทดลองภาคสนามร่วมกับ Mujin, Inc. สำหรับการจัดการสัมภาระ

โมเดลประเมินการทำงานที่อาจเลือกทำอย่างไร

เทคโนโลยีนี้ทำงานร่วมกับซอฟต์แวร์ควบคุมหุ่นยนต์ที่มีอยู่ โดยเพิ่มการคาดการณ์และการประเมินก่อนที่หุ่นยนต์จะเคลื่อนไหว ทางเลือกสำหรับการทำงานอาจมาจากโมเดลภาพ-ภาษา-การกระทำ ซึ่งแปลงวิดีโอจากกล้องและคำสั่งภาษามาเป็นการทำงานของหุ่นยนต์ หรือจากตัววางแผนการเคลื่อนไหว ซึ่งคำนวณคำสั่งควบคุมที่จำเป็นเพื่อให้บรรลุเป้าหมายของงาน สำหรับแต่ละทางเลือก ระบบจะสร้างวิดีโอคาดการณ์และประเมินการชน การทำสิ่งของตกหล่น และการพังถล่มของกองสิ่งของ จากนั้นให้คะแนนเพื่อให้โปรแกรมควบคุมเลือกการทำงานที่ประเมินแล้วว่ามีแนวโน้มจะสำเร็จ

NTT ระบุว่าโมเดลโลกแบบเดิมไม่ได้แสดงปริมาณทางกายภาพของวัตถุอย่างชัดเจน ซึ่งอาจทำให้วัตถุหายไปหรือเปลี่ยนรูปอย่างไม่น่าเป็นไปได้ในวิดีโอที่สร้างขึ้น และทำให้การคาดการณ์การชนไม่แม่นยำ นอกจากนี้ การพึ่งพาชุดข้อมูลฝึกสอนขนาดใหญ่ยังทำให้มีโอกาสเกิดความผิดพลาดมากขึ้นในสถานการณ์ที่ไม่มีอยู่ในข้อมูลเหล่านั้น

อะแดปเตอร์ควบคุมเชิงฟิสิกส์ของ NTT ประมาณคุณสมบัติของวัตถุแต่ละชิ้นจากวิดีโอ ซึ่งรวมถึงตำแหน่ง การวางแนว ความเร็ว และมวล ใช้กฎทางฟิสิกส์คำนวณการเคลื่อนไหวที่จะเกิดขึ้นต่อไป แล้วส่งผลการคำนวณดังกล่าวให้โมเดลสร้างวิดีโอ NTT ระบุว่าการแสดงข้อมูลเหล่านี้อย่างชัดเจนช่วยให้ระบบรับมือกับสถานการณ์และการเคลื่อนไหวที่ไม่มีอยู่ในข้อมูลฝึกสอนได้ โมเดลยังแสดงปริมาณทางกายภาพที่อยู่เบื้องหลังการคาดการณ์ด้วย จึงช่วยให้เข้าใจที่มาของผลลัพธ์ที่สร้างขึ้นได้ง่ายขึ้น

ผลการทดสอบเทียบมาตรฐานและแผนการขยายการใช้งาน

NTT ยังประเมินความแม่นยำในการคาดการณ์วิดีโอในอนาคตด้วย เกณฑ์มาตรฐาน OBJ3D สาธารณะ ซึ่งประกอบด้วยเฟรมวิดีโอของวัตถุสังเคราะห์ที่ชนกัน NTT รายงานว่าโมเดลของบริษัททำผลงานได้ดีกว่าวิธีการแบบเดิมในด้าน Learned Perceptual Image Patch Similarity (LPIPS) ซึ่งเป็นตัวชี้วัดที่เปรียบเทียบวิดีโอที่คาดการณ์กับข้อมูลจริงโดยให้สอดคล้องกับการรับรู้ของมนุษย์ ค่าที่ต่ำกว่าหมายถึงมีความคล้ายคลึงกันมากกว่า

นอกเหนือจากการจัดการสัมภาระและพัสดุแล้ว NTT วางแผนต่อยอดการใช้งานในภาคโลจิสติกส์ คลังสินค้า การผลิต การก่อสร้าง และค้าปลีก รวมถึงพิจารณาร่วมงานกับผู้ให้บริการหุ่นยนต์และบริษัทด้านโลจิสติกส์และคลังสินค้า เป้าหมายของการขยายการใช้งานดังกล่าวคือการลดความต้องการแรงงานและเพิ่มผลิตภาพ ไม่ใช่ผลลัพธ์ที่ได้รับการยืนยันจากการทดสอบที่รายงานไว้

มีกำหนดจัดแสดงเทคโนโลยีนี้ที่ NTT R&D Forum 2026 ซึ่งเป็นงานเฉพาะผู้ได้รับเชิญและจัดขึ้นระหว่างวันที่ 18–20 พฤศจิกายน 2026 และวันที่ 24–25 พฤศจิกายน 2026 ในงานสัมมนาวันที่ 25 พฤศจิกายน 2026 ว่าด้วยหุ่นยนต์ AI และโมเดลโลกที่ใช้ข้อมูลทางฟิสิกส์เป็นพื้นฐาน มีรายชื่อ Isamu Arase ซีอีโอของ Mujin Japan และ Jun Shimamura วิศวกรวิจัยอาวุโสของ NTT เป็นผู้บรรยาย

ผลการทดสอบที่ NTT ประกาศครอบคลุมงานที่ใช้หุ่นยนต์ขนาดเล็กและวิดีโอจำลองการชน แผนทดลองร่วมกับ Mujin จะทดสอบว่าการปรับปรุงผลการจัดเรียงสิ่งของบนชั้นวางที่รายงานไว้จะนำไปใช้กับการจัดการสัมภาระที่สนามบินได้หรือไม่ โดยการคัดกรองก่อนเริ่มปฏิบัติการต้องรับมือกับความแตกต่างทางกายภาพซึ่งเป็นเหตุผลที่นำไปสู่การพัฒนาโมเดลนี้